ریاضی برای برنامه نویسان

مقدمه ای ملایم بر برخی از مفاهیم مفید ترین ریاضی که باید در جعبه ابزار توسعه دهنده شما باشد.
کریستوفر Haupt، Relic جدید
برای نمره کار در علوم داده، یادگیری ماشین، گرافیک کامپیوتری و رمزنگاری، شما نیاز به مهارت های ریاضی قوی به حزب. ریاضی برای برنامه نویسان ریاضیاتی را که برای این حرفه های داغ نیاز دارید، تمرکز می کند، تمرکز بر آنچه شما باید به عنوان یک توسعه دهنده بدانید. پر از تعداد زیادی گرافیک مفید و بیش از 200 تمرین و پروژه های کوچک، این کتاب درب را به جالب و سودآور تبدیل می کند! -Careers در برخی از داغترین زمینه های برنامه نویسی امروز.
درباره تکنولوژی
Skip the اصطلاحات ریاضی: این یک کتاب یکپارچه از پایتون استفاده می کند تا ریاضی را آموزش دهد که شما نیاز به ساخت بازی ها، شبیه سازی ها، گرافیک های 3D و الگوریتم های یادگیری ماشین دارید. کشف چگونگی جبر و محاسبات هنگامی که آنها را در کد مشاهده می کنید، زنده بمانید.
درباره کتاب
در ریاضی برای برنامه نویسان، مفاهیم مهم ریاضی را از طریق برنامه نویسی دستکاری کشف کنید. این کتاب پر از گرافیک و بیش از 200 تمرین و مینی پروژه ها، این کتاب درب را به جالب و سودآور باز می کند! -Careers در برخی از داغترین زمینه های امروز. همانطور که شما بر اساس مبانی جبر خطی، محاسبات و یادگیری ماشین، شما می توانید کتابخانه های کلیدی Python را مورد استفاده قرار دهید تا آنها را به برنامه های کاربردی نرم افزاری واقعی تبدیل کنید.
آنچه در داخل
هندسه بردار برای گرافیک کامپیوتری < BR /> MATRICES و تحولات خطی
مفاهیم اصلی از Calculus

تصویر و پردازش صوتی
الگوریتم های یادگیری ماشین برای رگرسیون و طبقه بندی
درباره مخاطب
برای برنامه نویسان با مهارت های اساسی در جبر.
درباره نویسنده
Paul Orland یک برنامه نویس، کارآفرین نرم افزار و علاقه مندان به ریاضی است. او یکی از بنیانگذاران Tachyus است، یک نرم افزار تجزیه و تحلیل پیش بینی کننده ساختمان برای صنعت انرژی است. شما می توانید او را آنلاین در www.paulor.land پیدا کنید
یک مرور دقیق و دقیق در مورد ریاضیات که دارای تعدادی از دامنه های برنامه نویسی مدرن است.
Dan Sheikh، BCG Ventures Digital Ventures
توصیه برای همه سطوح.
Vincent Zhu، rethinkxsocial.com
این یک پل برای برنامه نویسان فراهم می کند که نیاز به مهارت های ریاضی خود را، و کار خوبی از انجام ریاضی کمتر مرموز و قابل دسترسی است.
رابرت والش، راه حل های Excalibur

عنوان اصلی : Math for Programmers video edition

سرفصل های دوره :

فصل 1. یادگیری ریاضی با کد
فصل 1. یافتن یک معامله خوب
فصل 1. مدل سازی دنیای فیزیکی
فصل 1. چگونه ریاضی را یاد نگیریم
فصل 1. استفاده از مغز چپ که به خوبی آموزش دیده است
بخش 1. وکتورها و گرافیک ها:
فصل 2. طراحی با بردارهای دوبعدی
فصل 2. طراحی دو بعدی در پایتون
فصل 2. محاسبات بردار صفحه
فصل 2. تفریق، جابجایی و فاصله
فصل 2. زوایا و مثلثات در صفحه
فصل 2. از اجزاء به زوایا
فصل 2. تبدیل مجموعه بردارها
فصل 3. صعود به دنیای سه بعدی
فصل 3. محاسبات برداری به صورت سه بعدی
فصل 3. محاسبه زوایا و جهات
فصل 3. حاصلضرب نقطه ای: اندازه گیری تراز بردار
فصل 3. اندازه گیری زاویه با حاصل ضرب نقطه
فصل 3. حاصلضرب متقاطع: اندازه گیری ناحیه جهت دار
فصل 3. یافتن طول ضربدر
فصل 3. ارائه یک شی 3 بعدی به صورت 2 بعدی
فصل 4. تبدیل بردارها و گرافیک ها
فصل 4. ترکیب تبدیل های برداری
فصل 4. چرخاندن یک جسم حول یک محور
فصل 4. تبدیلات خطی
فصل 4. چرا تبدیل های خطی؟
فصل 4. تمرینات
فصل 5. محاسبه تبدیل ها با ماتریس ها
فصل 5. ضرب یک ماتریس با یک بردار
فصل 5. اجرای ضرب ماتریس
فصل 5. تفسیر ماتریس های اشکال مختلف
فصل 5. مشاهده ماتریس های مربع و غیر مربع به عنوان توابع برداری
فصل 5. نگارش نقشه های خطی
فصل 5. ترجمه بردارها با ماتریس
فصل 5. ترجمه اشیاء سه بعدی در دنیای 4 بعدی
فصل 6. تعمیم به ابعاد بالاتر
فصل 6. بهبود کلاس Vec2
فصل 6. ساختن یک کلاس پایه برداری
فصل 6. آزمون واحد کلاس های فضای برداری
فصل 6. کاوش در فضاهای برداری مختلف
فصل 6. رفتار با توابع به عنوان بردار
فصل 6. دستکاری تصاویر با عملیات برداری
فصل 6. به دنبال فضاهای برداری کوچکتر
فصل 6. پوشاندن فضای بزرگتر
فصل 6. یافتن زیرفضاهای فضای برداری توابع
فصل 6. تمرینات
فصل 7. حل سیستم های معادلات خطی
فصل 7. یافتن نقاط تقاطع خطوط
فصل 7. معادلات خطی در نمادگذاری ماتریسی
فصل 7. شناسایی سیستم های غیرقابل حل
فصل 7. تعمیم معادلات خطی به ابعاد بالاتر
فصل 7. مطالعه ابرصفحه ها به صورت جبری
فصل 7. تمرینات
فصل 7. تغییر مبنا با حل معادلات خطی
بخش 2. حساب دیفرانسیل و انتگرال و شبیه سازی فیزیکی:
فصل 8. درک میزان تغییر
فصل 8. رسم متوسط ​​نرخ جریان در طول زمان
فصل 8. تقریبی نرخ جریان لحظه ای
فصل 8. تقریب تغییر در حجم
فصل 8. ترسیم حجم در طول زمان
فصل 8. بهبود تقریب
فصل 9. شبیه سازی اجسام متحرک
فصل 9. شبیه سازی شتاب
فصل 9. کاوش عمیق تر در روش اویلر
فصل 9. اجرای روش اویلر با مراحل زمانی کوچکتر
فصل 10. کار با عبارات نمادین
فصل 10. مدل سازی عبارات جبری
فصل 10. کارکردن یک عبارت نمادین
فصل 10. گسترش یک عبارت
فصل 10. یافتن مشتق یک تابع
فصل 10. مشتقات برخی از توابع خاص
فصل 10. گرفتن مشتقات به صورت خودکار
فصل 10. ادغام توابع به صورت نمادین
فصل 11. شبیه سازی میدان های نیرو
فصل 11. مدل سازی میدان های گرانشی
فصل 11. افزودن گرانش به بازی سیارک ها
فصل 11. معرفی انرژی پتانسیل
فصل 11. اتصال انرژی و نیروها با گرادیان
فصل 11. یافتن شیب یک نمودار با گرادیان
فصل 12. بهینه سازی یک سیستم فیزیکی
فصل 12. آزمایش شبیه سازی پرتابه
فصل 12. محاسبه محدوده بهینه
فصل 12. حل حداکثر دامنه
فصل 12. تقویت شبیه سازی ما
فصل 12. حل برد پرتابه به صورت سه بعدی
فصل 12. بهینه سازی محدوده با استفاده از شیب صعود
فصل 12. اجرای شیب صعود
فصل 13. تجزیه و تحلیل امواج صوتی با سری فوریه
فصل 13. پخش امواج صوتی در پایتون
فصل 13. تبدیل موج سینوسی به صدا
فصل 13. ترکیب امواج صوتی برای ایجاد امواج جدید
فصل 13. ساخت ترکیب خطی سینوسی
فصل 13. تجزیه یک موج صوتی به سری فوریه آن
فصل 13. تعریف یک محصول داخلی برای توابع تناوبی
فصل 13. ضرایب فوریه برای سایر اشکال موج
بخش 3. برنامه های کاربردی یادگیری ماشین:
فصل 14. تطبیق توابع با داده ها
فصل 14. اندازه گیری کیفیت تناسب برای یک تابع
فصل 14. محاسبه هزینه برای توابع قیمت خودرو
فصل 14. کاوش در فضاهای توابع
فصل 14. یافتنخط بهترین تناسب با استفاده از شیب نزول
فصل 14. برازش یک تابع غیرخطی
فصل 15. طبقه بندی داده ها با رگرسیون لجستیک
فصل 15. آزمایش یک تابع طبقه بندی بر روی داده های واقعی
فصل 15. تصویر کردن یک مرز تصمیم
فصل 15. طبقه بندی چارچوب به عنوان یک مسئله رگرسیون
فصل 15. معرفی تابع سیگموئید
فصل 15. بررسی توابع لجستیکی ممکن
فصل 15. اندازه گیری کیفیت تناسب برای یک تابع لجستیک
فصل 15. یافتن بهترین تابع لجستیک
فصل 15. آزمایش و درک بهترین طبقه بندی کننده لجستیک
فصل 16. آموزش شبکه های عصبی
فصل 16. طبقه بندی تصاویر ارقام دست نویس
فصل 16. طراحی شبکه عصبی
فصل 16. محاسبه فعال سازی ها
فصل 16. ساخت شبکه عصبی در پایتون
فصل 16. آموزش شبکه عصبی با استفاده از نزول گرادیان
فصل 16. آموزش خودکار با scikit-learn
فصل 16. محاسبه گرادیان ها با پس انتشار
پیوست B. نکات و ترفندهای پایتون
ضمیمه B. مجموعه داده ها در پایتون
پیوست B. ژنراتورها
پیوست B. کار با توابع
پیوست B. رسم داده ها با Matplotlib
پیوست B. برنامه نویسی شی گرا در پایتون
پیوست B. بارگذاری بیش از حد اپراتور